TensorFlow：沿轴的张量最大值

Question

我的问题由两个相关部分组成：

1. 如何计算张量沿着特定轴的最大值？例如，如果我有以下张量：

   x = tf.constant([[1,220,55],[4,3,-1]])
   

   我希望你能提供类似的东西

   x_max = tf.max(x, axis=1)
   print sess.run(x_max)
   
   output: [220,4]
   

   我知道有tf.argmax和tf.maximum，但是它们都不能返回单个张量沿着某个轴的最大值。目前我只能用一个变通方法：

   x_max = tf.slice(x, begin=[0,0], size=[-1,1])
   for a in range(1,2):
       x_max = tf.maximum(x_max , tf.slice(x, begin=[0,a], size=[-1,1]))
   

   但它看起来不太理想。有更好的方法吗？

2. 假设有一个张量的argmax的索引，如何使用这些索引来索引另一个张量？以上面的x为例，我应该如何做类似以下操作：

   ind_max = tf.argmax(x, dimension=1)    #output is [1,0]
   y = tf.constant([[1,2,3], [6,5,4])
   y_ = y[:, ind_max]                     #y_ should be [2,6]
   

   我知道像最后一行这样的切片在TensorFlow中还不存在(#206)。

   我的问题是：对于我具体的情况，什么是最好的解决方法（也许可以使用其他方法，如gather、select等）？

   额外信息：我知道x和y只会是二维张量！

- aphdstudent

Answer 1

tf.reduce_max()操作符提供了这种功能。默认情况下，它计算给定张量的全局最大值，但您可以指定一个reduction_indices列表，该列表与NumPy中的axis具有相同的含义。要完成您的示例：

x = tf.constant([[1, 220, 55], [4, 3, -1]])
x_max = tf.reduce_max(x, reduction_indices=[1])
print sess.run(x_max)  # ==> "array([220,   4], dtype=int32)"

如果你使用tf.argmax()计算argmax，你可以通过使用tf.reshape()将张量y展平，并按如下方式将argmax索引转换为向量索引，然后使用 tf.gather()提取相应的值：

ind_max = tf.argmax(x, dimension=1)
y = tf.constant([[1, 2, 3], [6, 5, 4]])

flat_y = tf.reshape(y, [-1])  # Reshape to a vector.

# N.B. Handles 2-D case only.
flat_ind_max = ind_max + tf.cast(tf.range(tf.shape(y)[0]) * tf.shape(y)[1], tf.int64)

y_ = tf.gather(flat_y, flat_ind_max)

print sess.run(y_) # ==> "array([2, 6], dtype=int32)"

- mrry

---

为了完整起见，在您的第二个示例中，请在第三行添加：amax = tf.argmax(y, 1) 并删除第一行。 - Sami A. Haija

reduction_indices 已被弃用，请使用 axis 替代。 - Binu Jasim

Answer 2

从TensorFlow 1.10.0-dev20180626版本开始，tf.reduce_max函数接受axis和keepdims参数，提供了与numpy.max类似的功能。

In [55]: x = tf.constant([[1,220,55],[4,3,-1]])

In [56]: tf.reduce_max(x, axis=1).eval() 
Out[56]: array([220,   4], dtype=int32)

为了得到与输入张量相同维度的结果张量，请使用keepdims=True。

In [57]: tf.reduce_max(x, axis=1, keepdims=True).eval()Out[57]: 
array([[220],
       [  4]], dtype=int32)

如果未明确指定axis参数，则返回张量级别的最大元素（即所有轴都被缩减） 。

In [58]: tf.reduce_max(x).eval()
Out[58]: 220

- kmario23